A Novel Predictive Model for Intensive Care Unit Admission in Emergency Department Patients with Upper Gastrointestinal Bleeding

Abstract

상부 위장관 출혈은 중대한 응급 질환이다. 상부 위장관 출혈 환자를 위한 기존의 모델들은 각각의 한계가 있어 응급실에서 사용할 수 있는 더 적합한 도구가 필요하다. 본 연구의 목적은 응급실에 내원한 상부 위장관 출혈 환자에서 중환자실 입실 예측에 중요한 예측 변수를 식별하고, 그 예측 정확도를 기존 모델과 비교하는 것이다. 2020년 1월부터 2022년 7월까지 단일 3차 의료기관 응급실을 통해 치료받은 상부 위장관 출혈 환자 데이터를 후향적으로 분석하였다. 로지스틱 회귀분석과 수신자 조작 특성 곡선 하 영역(AUROC)을 사용하여 중환자실 입원의 가능성을 예측하는 새로운 모델을 개발하였다. 총 433명의 환자를 대상으로 한 로지스틱 회귀 분석에서 성별, 수축기 혈압, 이완기 혈압, 혈색소 수치, 혈소판 수치, 알라닌아미노전이효소 수치, 프로트롬빈 시간이 중환자실 입원의 중요한 예측 변수로 확인되었다. 우리의 모델은 AUROC 0.8539 (95% 신뢰 구간: 0.8078–0.8999)로, 기존의 Glasgow–Blatchford 점수(AUROC 0.7598, 95% CI: 0.7067–0.8130) 및 AIMS65 점수(AUROC 0.6930, 95% CI: 0.6324–0.7537)보다 우수한 예측 정확도를 보였다. 우리는 임상에서 쉽게 사용할 수 있는 계산기로 이 모델을 구현하였다. 결론적으로, 상부 위장관 출혈 환자의 혈역학적 안정화에 중요한 중환자실 입원 예측 변수를 확인하였으며, 이 모델과 계산기는 응급실 내 임상 의사결정 및 환자 관리에 도움을 줄 것이다.

Background: Acute upper gastrointestinal bleeding (UGIB) is a critical emergency. Conventional scoring models for patients with UGIB have limitations; thus, more suitable tools for the emergency department are necessary. Objective: We aimed to develop a new model that can identify significant predictors of intensive care unit (ICU) admission in emergency department patients with UGIB and to compare its predictive accuracy with that of existing models. Methods: We retrospectively analyzed data from patients with UGIB treated between January 2020 and July 2022 at the emergency department of a single tertiary medical center. Using multivariable logistic regression and the area under the receiver operating characteristic curve (AUROC), we developed a new model to predict the probability of ICU admission. Results: Among 433 patients, multiple logistic regression analysis identified sex, systolic blood pressure, diastolic blood pressure, hemoglobin level, platelet count, alanine transaminase level, and prothrombin time as significant predictors of ICU admission. Our model demonstrated superior predictive accuracy with an AUROC of 0.8539 (95% confidence interval [CI]: 0.8078–0.8999), outperforming the Glasgow–Blatchford score and AIMS65 score, which had AUROCs of 0.7598 (95% CI: 0.7067–0.8130) and 0.6930 (95% CI: 0.6324–0.7537), respectively. We implemented this model in a user-friendly calculator for clinical use. Conclusion: We identified key predictors of ICU admission that are crucial for hemodynamic stabilization in patients with UGIB. Our model, combined with this probability calculator, will enhance clinical decision-making and patient care for UGIB in emergency settings.